[发明专利]负面标签权重的获取方法、终端设备及介质

说明书

本发明适用于互联网技术领域，提供了一种负面标签权重的获取方法、终端设备及介质，该方法包括：若检测到客户关系网络拓扑出现更新，则获取其中多个节点所分别对应的客户样本数据；基于客户样本数据，构建并训练神经网络模型；将业务审批系统中各个待审核客户的画像特征输入神经网络模型，以输出每一待审核客户分别在每一负面标签类型上的权重值；根据负面标签类型相同的各个权重值的平均值，计算该负面标签类型的标签权重。本发明实现了标签权重的自动化更新，降低了操作复杂度；同时，也避免了标签权重分析维度单一的问题出现，提高了标签权重的计算准确性；保证了业务审批系统可以获取到实时更新的负面标签权重。

技术领域

本发明属于互联网技术领域，尤其涉及一种负面标签权重的获取方法、终端设备及计算机可读存储介质。

背景技术

目前，通过对客户的个人特性属性进行分析，可以为客户打上不同类型的标签。现有技术中，通常是基于业务规则的方式来确定客户标签，即，只要检测到个人特征属性满足预设的业务规则，就会为该客户打上业务规则所对应的一个标签。例如，若客户满足“实际还款时间超过预定还款时间”这一业务规则，则为该客户打上逾期标签；若客户满足“具有理赔记录”这一业务规则，则为该客户打上理赔标签等。由于上述业务规则都是为了确定客户是否具有负面信息记录，因此，上述标签均为负面标签。对于每一类负面标签，根据该类负面标签的客户总数在所有客户中所占的比值，可计算出该负面标签的标签权重，以表示该类负面标签对逾期还款事件出现的影响程度大小。此后，该标签权重将会被管理员输入于贷款审批系统中，以作为贷款审核过程中的一项参考因子。

然而，上述标签权重只能根据每一客户自身的特征属性来进行确定，忽略了关联客户之间的相互影响，由此降低了负面标签权重的准确性以及可参考性。

发明内容

有鉴于此，本发明实施例提供了一种负面标签权重的获取方法、终端设备及计算机可读存储介质，以解决现有技术中负面标签权重的准确性以及可参考性均较为低下的问题。

本发明实施例的第一方面提供了一种负面标签权重的获取方法，包括：

若检测到客户关系网络拓扑出现更新，则获取其中多个节点所分别对应的客户样本数据，所述客户样本数据包括画像特征、负面标签类型以及每一所述负面标签类型的权重值；

基于所述客户样本数据，构建并训练神经网络模型；

将业务审批系统中各个待审核客户的所述画像特征输入所述神经网络模型，以输出每一所述待审核客户分别在每一所述负面标签类型上的权重值；

根据所述负面标签类型相同的各个所述权重值，计算该负面标签类型的标签权重。

本发明实施例的第二方面提供了一种终端设备，包括存储器以及处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：

若检测到客户关系网络拓扑出现更新，则获取其中多个节点所分别对应的客户样本数据，所述客户样本数据包括画像特征、负面标签类型以及每一所述负面标签类型的权重值；

基于所述客户样本数据，构建并训练神经网络模型；

将业务审批系统中各个待审核客户的所述画像特征输入所述神经网络模型，以输出每一所述待审核客户分别在每一所述负面标签类型上的权重值；

根据所述负面标签类型相同的各个所述权重值，计算该负面标签类型的标签权重。

本发明实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：

若检测到客户关系网络拓扑出现更新，则获取其中多个节点所分别对应的客户样本数据，所述客户样本数据包括画像特征、负面标签类型以及每一所述负面标签类型的权重值；